[发明专利]基于多分类支持向量机的车牌字符识别方法

说明书

技术领域

本发明属于图像处理技术领域，涉及模式识别技术，特别涉及车牌字符识别方法。

背景技术

机动车号牌识别简称车牌识别，在智能交通系统里面起着关键的作用，无论是在路桥收 费、小区管理、停车场管理，还是在交通监控系统中，车牌识别都是最为基础也最为关键的 部分。通常，车牌识别算法可以分为三个部分：车牌定位、字符分割和字符识别。在前两部 分的基础上如何进行精确的字符识别，就成为最终影响系统识别率的重要问题。

相对于目前的OCR系统，车牌字符识别具有自身的特点：小字符集(数字、字母、数十 个汉字)、成像环境复杂、干扰和几何变形较多。而且车牌字符识别要求更高的识别率，上 下文字符也没有语义和概率上的相关性。同时，具体到中国现行的机动车号牌标准(GA 36-1992，GA 36-2007)，该技术还必须解决具体的问题，即：中国车牌含有汉字字符，汉字字 符通常结构复杂，成像质量不及简单的数字、字母字符。

当前的车牌字符识别主要有一下几种方法：

1.模板匹配的方法，利用字符轮廓、骨干、网络或者投影等特征，与标准车牌字符比对 分类。由于车牌字符有标准的字符集，这种方法具有一定意义。但是，由于实际应用中存在 的干扰和变形，实用中常常没有很高的识别率。详见：魏武，张起森，王明俊，等.一种基于 模板匹配的车牌识别方法.中国公路学报，2001，14(1)：104-106.

2.按字符特征分类的方法，找出能够区别字符集中字符的特征集，如：字符像素比例、 孔洞数、字形结构、笔画特征等。由于特征算法的实现困难，而且同样由于噪声干扰的问题， 这一方法的识别率不高，特别是对于字形复杂的汉字。详见：宋加涛，刘济林.车辆牌照上英 文和数字字符的结构特征分析及提取.中国图象图形学报(A版)，2002，7(9)：945-949.

3.神经网络的方法是目前比较成功的方法。但是存在输入数据选择和网络结构设计等问 题。

发明内容

本发明的目的是提供一种基于多分类支持向量机的车牌字符识别方法。本发明基于多分 类支持向量机，利用其良好的分类能力，直接对提取出来的字符分类，取得了良好的识别率。 相比与其他同领域的方案，本发明具有兼容公安部最新机动车号牌标准GA 36-2007、识别准 确率更高，对成像质量要求更低的特点。

为方便描述本发明内容，这里首先对一些术语进行必要的定义：

定义1.机动车号牌。准予机动车在中华人民共和国境内道路上行驶的法定标志，其号码 是机动车登记编号。

定义2.现行机动车号牌标准。《中华人民共和国公共安全行业标准-中华人民共和国机动 车号牌》(GA36-2007)，2007年09月28日发布，2007-11-01实施，代替GA36-1992。

定义3.车牌字符。GA36-2007规定的用于给机动车登记的编号字符。包括：省、自治区、 直辖市简称及号牌分类用汉字简称；发牌机关代号和序号用英文字母；序号用数码三类。

定义4.省、自治区、直辖市简称及号牌分类用汉字简称。共37个汉字，分别是：京津 冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼渝川贵云藏陕甘青宁新港澳使领学警。

定义5.发牌机关代号和序号用英文字母。共26个大写英文字母，其中用于发牌机关代 号的字母(车牌第二个字符)可以使用A-Z的所有字符；用于序号编码(第3至7个字符)的字母 不能使用字母O、I。

定义6.灰度图像的二值化。在灰度图像中，常采用一个字节表示一个像素点，其灰度级 为0～255，其二值化方法为构造用一个二进制位表示一个像素点的图像，设置二值化阈值T， 将大于T的像素点设置为1，小于等于T的点设为0。

本发明技术方案如下：

基于支持向量机的车牌字符识别方法，如图1所示，包括多分类支持向量机的训练过程 和使用多分类支持向量机进行车牌识别的过程：

一、多分类向量机的训练过程，具体包括以下步骤：

步骤1：制作标准车牌字符二值化图像；